圖神經(jīng)網(wǎng)絡(luò)可以應(yīng)用在哪些地方

圖神經(jīng)網(wǎng)絡(luò)可以應(yīng)用在哪些地方？針對(duì)這個(gè)問題，今天小編總結(jié)這篇有關(guān)圖神經(jīng)網(wǎng)絡(luò)的文章，希望能幫助更多想解決這個(gè)問題的朋友找到更加簡(jiǎn)單易行的辦法。　　

圖神經(jīng)網(wǎng)絡(luò)的用途
　　

1、端對(duì)端學(xué)習(xí)
　　

近幾年，深度學(xué)習(xí)帶來了人臉識(shí)別、語(yǔ)音助手以及機(jī)器翻譯的成功應(yīng)用。這三類場(chǎng)景的背后分別代表了三類數(shù)據(jù)：圖像、語(yǔ)音和文本。深度學(xué)習(xí)在這三類場(chǎng)景中取得突破的關(guān)鍵是它背后的端對(duì)端學(xué)習(xí)機(jī)制。端對(duì)端代表著高效，能夠有效減少中間環(huán)節(jié)信息的不對(duì)稱，一旦在終端發(fā)現(xiàn)問題，整個(gè)系統(tǒng)每一個(gè)環(huán)節(jié)都可以進(jìn)行聯(lián)動(dòng)調(diào)節(jié)。
　　

既然端對(duì)端學(xué)習(xí)在圖像、語(yǔ)音以及文本數(shù)據(jù)上的學(xué)習(xí)是如此有效，那么將該學(xué)習(xí)機(jī)制推廣到具有更廣泛業(yè)務(wù)場(chǎng)景的圖數(shù)據(jù)，就是自然而然的想法了。如果 AI 要實(shí)現(xiàn)人類一樣的能力，必須將組合泛化作為重中之重，而結(jié)構(gòu)化的表示和計(jì)算是實(shí)現(xiàn)這一目標(biāo)的關(guān)鍵。正如生物學(xué)里先天因素和后天因素是共同發(fā)揮作用的，結(jié)合兩者的優(yōu)點(diǎn)，從它們的互補(bǔ)優(yōu)勢(shì)中受益。
　　

2、智能計(jì)算的推理方法
　　

業(yè)界認(rèn)為大規(guī)模圖神經(jīng)網(wǎng)絡(luò)是認(rèn)知智能計(jì)算強(qiáng)有力的推理方法。圖神經(jīng)網(wǎng)絡(luò)將深度神經(jīng)網(wǎng)絡(luò)從處理傳統(tǒng)非結(jié)構(gòu)化數(shù)據(jù)推廣到更高層次的結(jié)構(gòu)化數(shù)據(jù)。大規(guī)模的圖數(shù)據(jù)可以表達(dá)豐富和蘊(yùn)含邏輯關(guān)系的人類常識(shí)和專家規(guī)則，圖節(jié)點(diǎn)定義了可理解的符號(hào)化知識(shí)，不規(guī)則圖拓?fù)浣Y(jié)構(gòu)表達(dá)了圖節(jié)點(diǎn)之間的依賴、從屬、邏輯規(guī)則等推理關(guān)系。
　　

以保險(xiǎn)和金融風(fēng)險(xiǎn)評(píng)估為例，一個(gè)完備的 AI 系統(tǒng)不僅需要基于個(gè)人的履歷、行為習(xí)慣、健康程度等進(jìn)行分析處理，還需要通過其親友、同事、同學(xué)之間的來往數(shù)據(jù)和相互評(píng)價(jià)進(jìn)一步進(jìn)行信用評(píng)估和推斷?；趫D結(jié)構(gòu)的學(xué)習(xí)系統(tǒng)能夠利用用戶之間、用戶與產(chǎn)品之間的交互，做出非常準(zhǔn)確的因果和關(guān)聯(lián)推理。
　　

3、語(yǔ)義可視化能力
　　

圖具有很強(qiáng)的語(yǔ)義可視化能力，這種優(yōu)勢(shì)被所有的 GNN 模型所共享。比如在異常交易賬戶識(shí)別的場(chǎng)景中，GNN 在將某個(gè)賬戶判斷為異常賬戶之后，可以將該賬戶的局部子圖可視化出來。我們可以發(fā)現(xiàn)一些異常模式，比如同一設(shè)備上有多個(gè)賬戶登錄，或者同一賬戶在多個(gè)設(shè)備上有行為。還可以從特征的維度，比如該賬戶與其他有關(guān)聯(lián)的賬戶行為模式非常相似，從而對(duì)模型的判斷進(jìn)行解釋。
　　

圖神經(jīng)網(wǎng)絡(luò)的應(yīng)用
　　

1、自然語(yǔ)言處理
　　

GNNs 在自然語(yǔ)言處理中的應(yīng)用也很多，包括多跳閱讀、實(shí)體識(shí)別、關(guān)系抽取以及文本分類等。多跳閱讀是指給機(jī)器有很多語(yǔ)料，讓機(jī)器進(jìn)行多鏈條推理的開放式閱讀理解，然后回答一個(gè)比較復(fù)雜的問題。在2019年，自然語(yǔ)言處理相關(guān)的頂會(huì)論文使用 GNN 作為推理模塊已經(jīng)是標(biāo)配了。
　　

2、計(jì)算機(jī)視覺
　　

在計(jì)算機(jī)視覺的應(yīng)用有根據(jù)提供的語(yǔ)義生成圖像。輸入是一張語(yǔ)義圖，GNN通過對(duì)man behind boy on patio和man right of man throwing firsbee兩個(gè)語(yǔ)義的理解，生成了輸出的圖像。再說說視覺推理，人類對(duì)視覺信息的處理過程往往參雜著推理。人類可以從空間或者語(yǔ)義的維度進(jìn)行推理，而圖可以很好的刻畫空間和語(yǔ)義信息，讓計(jì)算機(jī)可以學(xué)著像人類一樣，利用這些信息進(jìn)行推理。當(dāng)然還有動(dòng)作識(shí)別，視覺問答等應(yīng)用，這里我們就不一一列舉了。
　　

3、生物醫(yī)療
　　

我們?cè)诟咧卸冀佑|過生物化學(xué)，知道化合物是由原子和化學(xué)鍵構(gòu)成的，它們天然就是一種圖數(shù)據(jù)的形式，所以圖神經(jīng)網(wǎng)絡(luò)在生物醫(yī)療領(lǐng)域應(yīng)用特別廣泛。包括新藥物的發(fā)現(xiàn)、化合物篩選、蛋白質(zhì)相互作用點(diǎn)檢測(cè)、以及疾病預(yù)測(cè)。目前國(guó)外包括耶魯、哈佛，國(guó)內(nèi)像北大清華都有很多實(shí)驗(yàn)室研究圖神經(jīng)網(wǎng)絡(luò)在醫(yī)學(xué)方面的應(yīng)用，而且我相信這會(huì)是圖神經(jīng)網(wǎng)絡(luò)最有價(jià)值的應(yīng)用方向之一。
　　

除了上述的方向，還有像在自動(dòng)駕駛和 VR 領(lǐng)域會(huì)使用的 3D 點(diǎn)云；與近兩年同樣很火的知識(shí)圖譜相結(jié)合；智慧城市中的交通流量預(yù)測(cè)；芯片設(shè)計(jì)中的電路特性預(yù)測(cè)；甚至還可以利用圖神經(jīng)網(wǎng)絡(luò)編寫代碼。目前在真正在工業(yè)場(chǎng)景中付諸應(yīng)用，并取得了顯著成效的場(chǎng)景主要有兩個(gè)，一是推薦，二是風(fēng)控。
　　

4、工業(yè)推薦
　　

推薦是機(jī)器學(xué)習(xí)在互聯(lián)網(wǎng)中的重要應(yīng)用。互聯(lián)網(wǎng)業(yè)務(wù)中，推薦的場(chǎng)景特別說，比如內(nèi)容推薦、電商推薦、廣告推薦等等。這里，我們介紹三種圖神經(jīng)網(wǎng)絡(luò)賦能推薦的方法。
　　

（1）可解釋性推薦
　　可解釋性推薦，就是不僅要預(yù)測(cè)推薦的商品，還要給出推薦的理由。推薦中有一個(gè)概念叫元路徑。在電影推薦的場(chǎng)景里，如下圖所示。我們用 U 表示用戶，用 M 表示電影，那么 UUM 是一條元路徑。它表示一位用戶關(guān)注了另一位用戶，那么我們可以將用戶看過的電影，推薦給關(guān)注他的人。
　　

（2）基于社交網(wǎng)絡(luò)的推薦
　　利用用戶之間的關(guān)注關(guān)系，我們也可以實(shí)現(xiàn)推薦。用戶的購(gòu)買行為首先會(huì)受到其在線社交圈中朋友的影響。如果用戶 A 的朋友是體育迷，經(jīng)常發(fā)布關(guān)于體育賽事、體育明星等信息，用戶 A 很可能也會(huì)去了解相關(guān)體育主題的資訊。目前有許多的電商平臺(tái)，包括像京東、蘑菇街、小紅書等都在嘗試做基于社交的推薦。
　　

（3）基于知識(shí)圖譜的推薦
　　要推薦的商品、內(nèi)容或者產(chǎn)品，依據(jù)既有的屬性或者業(yè)務(wù)經(jīng)驗(yàn)，可以得到他們之間很多的關(guān)聯(lián)信息，這些關(guān)聯(lián)信息即是我們通常說的知識(shí)圖譜。知識(shí)圖譜可以非常自然地融合進(jìn)已有的用戶-商品網(wǎng)絡(luò)構(gòu)成一張更大、且包含更加豐富信息的圖。其實(shí)不管是社交網(wǎng)絡(luò)推薦，還是知識(shí)圖譜，都是拿額外的信息補(bǔ)充到圖網(wǎng)絡(luò)中。既能有聚合關(guān)系網(wǎng)絡(luò)中復(fù)雜的結(jié)構(gòu)信息，又能囊括豐富的屬性信息，這就是圖神經(jīng)網(wǎng)絡(luò)強(qiáng)大的地方。
　　

看完上述內(nèi)容，你們對(duì)圖神經(jīng)網(wǎng)絡(luò)有進(jìn)一步的了解嗎？如果還想學(xué)到更多技能或想了解更多相關(guān)內(nèi)容，歡迎關(guān)注億速云行業(yè)資訊頻道，感謝各位的閱讀。